OPUS

  • Home
  • Search
  • Browse
  • Publish
  • Hilfe

Schriften aus der Fakultät Sozial- und Wirtschaftswissenschaften der Otto-Friedrich-Universität Bamberg

Refine

Author

  • Friedrich Vogel (1)
  • Martin Messingschlager (1)
  • Rudolf Gardill (1)

Year of publication

  • 2010 (1)
  • 2012 (1)

Document Type

  • Buch (Monografie) (1)
  • Dissertation (1)

Keywords

  • Austauschverfahren (1)
  • Gemischtskalierte Merkmale (1)
  • Hierarchisch-Agglomerative Verfahren (1)
  • Imputationstechnik ; Fehlende Daten ; Online-Publikation (1)
  • Metrischskaliertes Merkmal (1)
  • Multiple Imputation (1)
  • Numerische Klassifikation ; Cluster-Analyse ; Gütefunktion ; Streuungsmaß ; Nominalskaliertes Merkmal ; Online-Publikation (1)
  • Ordinalisierung (1)
  • Ordinalskaliertes Merkmal (1)
  • fehlende Werte (1)

Institute

  • Lehrstuhl für Statistik und Ökonometrie in den Sozial- und Wirtschaftswissenschaften (2) (remove)

2 search hits

search hits 1 to 2

Sort by

  • Series
  • Series
  • Year
  • Year
  • Title
  • Title
  • Author
  • Author
7
Show/Hide Abstract Fehlende Werte in den Sozialwissenschaften - Analyse und Korrektur mit Beispielen aus dem ALLBUS (2012)
Martin Messingschlager
Fehlende Werte bilden seit jeher eine große methodische Herausforderung für quantitative Analysen in den Sozialwissenschaften. Die Methodenforschung deutet darauf hin, dass sich in einigen Bereichen das Problem fehlender Werte noch verschärfen wird. In dieser Arbeit werden zunächst die wichtigsten Theorien zu Item und Unit Nonresponse zusammengefasst. Anhand von Beispielen aus dem ALLBUS werden anschließend Analysen zu Item und Unit Nonresponse vorgenommen. Im Weiteren werden Korrekturmethoden für fehlende Werte durch ein auf realen Daten basierendes neues Verfahren verglichen. Dabei steht im Zentrum des Methodenvergleichs das Abschneiden der Multiplen Imputation als Korrekturmethode. Die Ergebnisse sprechen bei Item Nonreponse klar für die Anwendung der Multiplen Imputation vor allem bei multivariaten Analysen. Obwohl die Ergebnisse für Unit Nonresponse keine klaren Empfehlungen zulassen, erscheint der Weg, Multiple Imputation auch dort zu verwenden, bei günstiger Datenlage als Alternative zu Gewichtungen.
2
Show/Hide Abstract Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale (2010)
Friedrich Vogel Rudolf Gardill
Numerische Klassifikation (oder Cluster Analyse) ist die Zuordnung einer Menge von Beobachtungen (Objekten) zu Teilmengen (Klassen oder Cluster), derart dass die Beobachtungen (Objekte), die einer Klasse angehören, in einem bestimmten Sinne einander ähnlich sind. Diese Arbeit besteht aus zwei Teilen: Teil I „Theorie” und Teil II „Praxis”. Der erste Teil behandelt die theoretischen Grundlagen unseres neuen Klassifikationsprogramms ORMIX. Zunächst werden zwei Verfahren zur Bildung disjunkter Klassen erörtert: ein Austauschverfahren und ein hierarchisch-agglomeratives Verfahren. Dann werden Maße zur Messung der Güte eines Klassifikationsergebnisses im Detail diskutiert, insbesondere im Hinblick auf die Merkmalstypen: nominal, ordinal und metrisch. Die Gütefunktion für nominale und ordinale Merkmale basiert auf einem speziellen Streuungsmaß: der Entropie. Die Gütefunktion für metrische Merkmale basiert auf der Varianz. Das grundlegende Prinzip ist der Versuch der Minimierung der Streuung innerhalb der Klassen, so dass die Beobachtungen (Objekte) in derselben Klasse einander ähnlicher sind als die Beobachtungen (Objekte) verschiedener Klassen. Im Zusammenhang mit Problemen der Numerischen Klassifikation gibt es bei praktischen Anwendungen häufig gemischte Merkmale. Das heißt, die Objekte sind charakterisiert durch nominale und ordinale und metrische Merkmale. Um eine Gütefunktion für gemischte Merkmale zu konstruieren, ist zu beachten, dass die Gütefunktion für nominale und ordinale Merkmale auf der Entropie beruht, die Gütefunktion für metrische Merkmale aber auf der Varianz. Es ist nicht zulässig, diese Gütefunktionen zu addieren. Es kommt hinzu, dass die Varianz abhängt von den Skalen, auf denen die Merkmale gemessen werden. Es ist nicht möglich, metrische Merkmale derart zu skalieren, dass alle metrischen Merkmale im Prozess der Klassenbildung ein gleiches numerisches Gewicht haben; Standardisierung ist nur eine von vielen Möglichkeiten, sie liefert aber keine Gleichgewichtung. Aber es ist zulässig, metrische Merkmale in ordinale Merkmale zu transformieren. Die Ordinalisierung metrischer Merkmale wird detailliert erklärt. Es wird gezeigt, dass - nach der Ordinalisierung der metrischen Merkmale - alle Merkmale im Prozess der Klassenbildung ein gleiches maximales numerisches Gewicht ha-ben. Der zweite Teil beschäftigt sich mit der Anwendung unseres Programms ORMIX, das nominale, ordinale, metrische Merkmale (nach Ordinalisierung) und gemischte Merkmale verarbeiten kann. Zuerst wird erklärt, wie das Pro-gramm von der CD installiert werden kann. Im Kapitel „Dateneingabe” werden die Konstruktion und das Einlesen der Datenmatrix im Detail erläutert. Dann wird gezeigt, wie Datentransformationen (beispielsweise metrische in ordinale Merkmale) durchgeführt werden können. Nach diesen Transformationen kann eine hierarchisch-agglomerative Klassifikation oder eine iterative Klassifikation durch einen linken Mausklick gestartet werden. Einige Beispieldateien finden sich auf der CD. Die Bedienung des Programms ist einfach und meist selbsterklärend. Mit der (linken) Maustaste werden Berechnungen angestoßen und aus einer knappen Auflistung der Resultate ausführliche Detaildarstellungen ausgewählt. Ein Mausklick auf den Wert einer Gütefunktion öffnet ein Fenster mit dem Klassifikationsergebnis für die gewünschte Anzahl von Klassen und mit einer detaillierten Klassendiagnose. Die Klassifikationsergebnisse werden anschaulich in Tabellen zusammengefasst und als HTML-Seiten übersichtlich formatiert. Für die hierarchisch-agglomerative Klassifikation stehen zusätzlich Dendrogramme und ein Struktogramm zur Auswahl. Die rechte Maustaste führt zu Hilfeinformationen und ergänzenden auf den Kontext bezogenen Funktionen. Über die Zwischenablage von Windows können Daten mit anderen Programmen ausgetauscht werden.

search hits 1 to 2

OPUS4 Logo

  • Contact
  • Imprint
  • Sitelinks
Login